Finansowanie
Wilgot pozyskuje 3 mln dolarów w rundzie zalążkowej, aby poprawić widoczność produktów w zakupach z pomocą AI

Kluczowe punktyWilgot przekształca istniejące zapytania i opinie klientów w bogatsze dane o…
Zobacz więcej
- Wilgot przekształca istniejące zapytania i opinie klientów w bogatsze dane o produktach, na których asystenci AI mogą działać.
- Pętla informacji zwrotnej platformy optymalizuje treści pod kątem widoczności i konwersji, ale nie może kontrolować tego, co polecają niezależni asystenci.
- Wczesne wyniki klientów Wilgot nie ujawniają okresów pomiaru, więc wskazują na obietnicę, a nie na sprawdzone benchmarki.
Wilgot pozyskał 3 mln dolarów finansowania w rundzie zalążkowej, aby ułatwić asystentom zakupowym opartym na AI znajdowanie, rozumienie i polecanie produktów sprzedawców. Sztokholmski startup rozwija rozwiązanie, które określa mianem Agentic Product Optimization (APO) — oprogramowanie przekształcające wiedzę o klientach w bogatsze informacje o produktach i stale dostosowujące te treści do zmieniających się zachowań zakupowych.
Industrifonden przewodził rundzie, której wartość Wilgot określa również na 30 mln SEK. Wzięły w niej udział także fundusze Luminar Ventures, Foundry Ventures, Ventures Together i Inovexus. Wśród inwestorów indywidualnych znaleźli się założyciele Voyado, Johan Bäckarlin i Johan Hjelte, a także Niclas Mollin, założyciel inriver i Occtoo.
Firma przeznaczy pozyskane środki na rozwój platformy i zwiększenie zasięgu działalności handlowej. Anders Nygren z Foundry Ventures i Andreas Söneby z Industrifonden dołączą do jej rady nadzorczej.
Przekształcanie wiedzy o klientach w informacje o produktach
Osoba prosząca asystenta o pomysł na prezent dla kogoś, kto lubi piesze wędrówki, opisuje przeznaczenie produktu, a nie podaje jego nazwy. Aby oferta sprzedawcy mogła pojawić się w przydatnej odpowiedzi, jego katalog musi wyjaśniać, które produkty pasują do takiej sytuacji i dlaczego. Zdjęcie i krótki opis marketingowy mogą nie dawać odpowiedzi na istotne pytania.
Wilgot zaczyna od informacji, którymi sprzedawcy już dysponują: zapytań w wyszukiwarce, opinii klientów, zgłoszeń do pomocy technicznej i zwrotów. Dane te mogą ujawnić motywacje zakupowe, powtarzające się pytania oraz rozbieżności między oczekiwaniami klientów a tym, co oferuje produkt. Platforma przekształca te ustalenia w strony produktów, pliki danych produktowych, sekcje najczęściej zadawanych pytań i dane strukturalne.
Powtarzające się pytania o dopasowanie buta mogą na przykład wskazywać na brak informacji o rozmiarówce. Przedstawienie wprost zweryfikowanych wskazówek dostarcza zarówno kupującemu, jak i wyszukiwarce bardziej przydatnych informacji. Wartość polega na wyodrębnieniu istotnego faktu i przypisaniu go do właściwego produktu, a nie na samym tworzeniu dłuższego opisu.
Wilgot przedstawia APO jako warstwę, która aktywnie usprawnia informacje o produktach. Narzędzia do monitorowania widoczności mogą pokazać, czy marka pojawia się w odpowiedzi asystenta, podczas gdy systemy informacji o produktach przechowują i dystrybuują rekordy katalogowe. Wilgot koncentruje się na zmianie informacji, z których ostatecznie korzystają te systemy i asystenci.
Pętla informacji zwrotnej obejmująca odkrywanie produktów i konwersję
Strona internetowa firmy opisuje trzy etapy: wykrywanie sygnałów popytu, tworzenie treści o produktach i mierzenie rezultatów. Tworzone treści obejmują tytuły, opisy, atrybuty i sekcje najczęściej zadawanych pytań, przygotowywane w odpowiednim języku. Pętla optymalizacji śledzi widoczność, zaangażowanie i konwersje w Google oraz wyszukiwarkach opartych na AI, a następnie wykorzystuje te sygnały do aktualizowania treści.
Wilgot twierdzi, że to rozwiązanie jest przeznaczone do katalogów zawierających dziesiątki tysięcy produktów. Z informacji o finansowaniu wynika, że platforma wykorzystuje uczenie ze wzmocnieniem do ulepszania informacji o produktach na podstawie danych o wynikach oraz obsługuje treści w ponad 100 językach.
W praktyce pętla informacji zwrotnej umożliwia systemowi uczenie się po opublikowaniu treści, które zmiany są przydatne. W komunikacie nie ujawniono sposobu projektowania funkcji nagrody ani architektury modelu, więc informacje te nie są dostępne w publicznym opisie. Deklarowane uczenie odbywa się w procesie optymalizacji Wilgot; nie oznacza to, że sprzedawca może bezpośrednio ponownie trenować ChatGPT ani decydować o tym, co poleci niezależny asystent.
Dane strukturalne o produktach już teraz pełnią konkretną rolę w wyszukiwarkach. Dokumentacja Google dotycząca informacji o produktach sprzedawców wyjaśnia, w jaki sposób znaczniki Product i Offer mogą udostępniać w usługach zakupowych takie informacje, jak cena, dostępność, dostawa i zwroty. Pokazuje to, jak ważne jest jednoznaczne przedstawianie danych o produktach, choć możliwość wyświetlenia produktu w ramach funkcji wyszukiwarki nie gwarantuje, że zostanie on polecony.
Szerszy problem jest dobrze znany w obszarze przygotowywania danych produktowych na potrzeby zakupów z pomocą AI: nawet płynnie sformułowane odpowiedzi zależą od dokładności danych źródłowych. System zarządzania treścią musi zachowywać rozróżnienie między zweryfikowaną specyfikacją, opinią klienta a wnioskiem dotyczącym przydatności produktu. W przeciwnym razie zwiększenie widoczności produktu może sprawić, że niepoparte dowodami twierdzenie również dotrze do szerszego grona odbiorców.
Pierwsi klienci i zespół założycielski
Wilgot wymienia wśród swoich klientów firmy Daniel Wellington, J.Lindeberg, Myrqvist i Signify. Według informacji o finansowaniu sprzedaż netto na stronach produktów Daniel Wellington zoptymalizowanych przez Wilgot wzrosła o 20%, a obecnie 7% klientów Myrqvist trafia do firmy za pośrednictwem ChatGPT.
Dane te dotyczą różnych rezultatów: jedna liczba odnosi się do sprzedaży na wybranych stronach produktów, a druga do kanału pozyskiwania klientów. W komunikacie nie podano okresów pomiaru ani metodologii eksperymentu. Są to wczesne sygnały wyników handlowych, a nie jeden wskaźnik porównawczy, który można odnieść do wszystkich sprzedawców.
Założona w 2024 roku firma Wilgot skupia Erika Wikandera, współzałożyciela i prezesa zarządu; dr Mhairi Dunion, współzałożycielkę i naukowczynię zajmującą się AI; oraz Olega Danylenkę, współzałożyciela i dyrektora ds. technologii. Wikander był wcześniej dyrektorem ds. marketingu w Lendify. Dunion uzyskała doktorat w dziedzinie głębokiego uczenia ze wzmocnieniem na University of Edinburgh, a doświadczenie Danylenki obejmuje naukę o danych w Klarna, IKEA i Teemyco.
„Marki poświęcają zbyt wiele czasu na sprawdzanie, czy asystenci AI o nich wspominają, a za mało na dawanie AI powodów, by polecała ich produkty” — powiedział Wikander w komunikacie.
Runda zalążkowa zapewnia Wilgot środki na rozszerzenie tej oferty poza grono pierwszych klientów. Szansą dla firmy jest połączenie wiedzy rozproszonej w interakcjach sprzedawcy detalicznego z klientami z danymi o produktach, które wpływają na ich odkrywanie. W miarę jak interfejsy zakupowe stają się coraz bardziej konwersacyjne, zapewnienie tej wiedzy dokładności, dostępności i użyteczności staje się odrębnym zadaniem komercyjnym.












